Hay una diferencia enorme entre usar inteligencia artificial para pedir ideas y usarla como parte real de un proceso de desarrollo.

Durante bastante tiempo he usado distintas herramientas de IA para avanzar en proyectos digitales. Cada una aportaba algo distinto. A veces empezaba una idea con Gemini. Otras veces recurría a ChatGPT porque Gemini no me daba la solución que necesitaba. Y en otras ocasiones ocurría justo al revés: una respuesta de Gemini me ayudaba donde ChatGPT no terminaba de afinar.
Ese uso combinado ya era útil. Pero seguía siendo, en gran parte, una forma de trabajar basada en conversar con la IA, copiar respuestas, probar cambios y tocar archivos manualmente.
El salto real llegó cuando decidí meter el proyecto en Codex. Ahí cambió todo.

La app Imperdible como caso real de IA aplicada

El proyecto sobre el que estoy trabajando es una app base llamada Imperdible.
La idea no es crear una aplicación diferente para cada exposición, museo, cápsula del tiempo o experiencia cultural. La idea es tener un único motor reutilizable. Una vez que la app está bien construida, cada nuevo proyecto se adapta cambiando los archivos JSON, las imágenes, los audios, los vídeos y la configuración necesaria.
Esto permite usar la misma base para una exposición, una audioguía, una experiencia con QR, una tarjeta NFC, una pieza vinculada a MetaMuseo o un contenido digital para Fundación ENAIRE.
Pero para que eso funcione de verdad, la estructura tiene que estar muy bien organizada. No sirve cualquier solución. Hace falta una base limpia, mantenible y preparada para crecer.

Empezar con Gemini y completar con ChatGPT

La app empezó con Gemini.
Gemini me ayudó a dar forma a partes iniciales, a construir ideas, a resolver algunos bloques y a avanzar cuando todavía estaba definiendo cómo debía funcionar todo.
Después entró ChatGPT para completar lo que Gemini no me daba. En algunos momentos ChatGPT entendía mejor la estructura, proponía soluciones más claras o explicaba mejor cómo debía plantearse un cambio. En otros momentos Gemini ofrecía una respuesta útil que servía para desbloquear una parte concreta.
Durante esa fase, la IA era una herramienta muy potente, pero todavía había mucho trabajo manual. Había que copiar código, revisar archivos, tocar JSON, probar cambios, detectar errores y volver atrás cuando algo se rompía.
Era útil, pero no era todavía un flujo de desarrollo completo.

Codex fue otro mundo

Cuando metí el proyecto en Codex, el proceso cambió de nivel.
Codex no se limitó a responder una pregunta aislada. Analizó el código completo, entendió la estructura del proyecto y empezó a trabajar como si fuera un programador revisando una aplicación real.
Encontró pequeños errores que podían pasar desapercibidos. Organizó mejor la estructura de los JSON. Mejoró los temas. Creó scripts para validar los archivos JSON. Preparó automatizaciones para actualizar los valores meta del HTML. Revisó incoherencias. Propuso mejoras sin que tuviera que tocar manualmente todos los archivos como hacía antes.
Y esto es muy importante: no se trataba solo de generar código nuevo, sino de trabajar sobre una base existente con mucho más control.

La diferencia entre pedir código y trabajar sobre código real

Antes, cuando usaba solo una IA conversacional, el flujo era más limitado.
Yo preguntaba algo, recibía una respuesta, copiaba una parte, la pegaba en un archivo, probaba, corregía y volvía a preguntar. Ese sistema funciona para muchas cosas, pero cuando el proyecto empieza a crecer se vuelve frágil.
Puedes olvidar un archivo. Puedes cambiar una estructura y romper otra. Puedes colocar un bloque JSON donde no corresponde. Puedes actualizar un dato en un sitio y dejarlo mal en otro. Puedes resolver un problema puntual, pero crear otro más adelante.
Con Codex, el enfoque fue distinto. La IA pudo mirar el proyecto como conjunto. Eso permitió trabajar con mucha más seguridad, porque no estaba actuando sobre una frase suelta, sino sobre el código real.

Lo que aportó Codex al proyecto

En este caso concreto, Codex no solo ayudó a escribir código. Ayudó a ordenar el sistema de trabajo.

• Analizó la estructura completa del proyecto.
• Detectó pequeños errores y posibles incoherencias.
• Organizó mejor la estructura de los JSON.
• Mejoró los temas y la configuración visual.
• Creó scripts para validar los JSON antes de publicar.
• Automatizó la actualización de valores meta en el HTML.
• Permitió ampliar funciones sin tocar manualmente todos los archivos.
• Redujo el riesgo de romper partes que ya estaban funcionando.

Esto ya no es simplemente “hacer una app”. Es construir una metodología de trabajo más segura, más rápida y más profesional.

Scripts que antes no existían

Uno de los cambios más importantes fue la creación de scripts auxiliares.
Por ejemplo, scripts para validar los JSON. Esto es fundamental en una app basada en contenidos configurables. Si un JSON está mal cerrado, si un campo está fuera de sitio, si hay una coma incorrecta o si una sección no respeta la estructura esperada, la app puede fallar.
Antes, esos errores había que buscarlos casi a mano. Ahora se pueden detectar de forma automática.
También se crearon scripts para actualizar valores meta del HTML, lo que permite mantener mejor títulos, descripciones y datos importantes de cada proyecto.
Ese detalle cambia mucho el proceso: la IA no solo ayuda a crear contenido o código, también ayuda a crear herramientas para controlar la calidad del propio proyecto.

Organizar bien los JSON cambió la app

En una app como Imperdible, los JSON son la base del contenido. Ahí están los textos, las secciones, los podcasts, los CTAs, los bloques destacados, las imágenes y parte de la configuración.
Si los JSON están mal organizados, el proyecto puede funcionar hoy, pero será difícil de mantener mañana.
Codex ayudó a detectar qué partes estaban mezcladas, qué campos debían estar fuera de otros bloques y cómo debía organizarse la información para que la app fuera más clara y reutilizable.
Por ejemplo, si los CTAs están dentro del footer cuando deberían ser una sección independiente, la app puede funcionar, pero conceptualmente está mal organizada. Ese tipo de detalle es el que marca la diferencia entre una prueba y una herramienta profesional.

¿Y por qué no Claude, si está tan de moda?

También he probado Claude, y es verdad que ahora está muy presente en conversaciones sobre inteligencia artificial, programación, análisis de textos y desarrollo.
Pero en mi caso hay una diferencia importante entre una herramienta que responde bien y una herramienta que encaja en un flujo real de producción.
Claude puede ser útil para muchas cosas: razonar, redactar, revisar ideas o plantear soluciones. Pero con la suscripción Pro, en mi experiencia, los límites son demasiado ajustados para un proyecto de desarrollo real. Puedes estar trabajando en una parte de una web o una app, quedarte a medias, tener que esperar varias horas y luego continuar con la siguiente parte.
Eso, en un proyecto vivo, rompe mucho el ritmo.
Porque no estoy pidiendo una respuesta aislada. Estoy trabajando sobre una app completa, con archivos HTML, JavaScript, CSS, JSON, temas, metadatos, validadores y estructura reutilizable.
Si uso Claude para que me proponga una parte, después todavía tendría que llevar esa solución a Codex para aplicarla sobre el código real, revisar dependencias, comprobar si rompe algo y validar los archivos.
Por eso, para este caso concreto, Claude no es mi herramienta principal. No porque sea mala herramienta, sino porque mi necesidad no es solo conversar con una IA. Mi necesidad es avanzar sobre código real, con continuidad, estructura y capacidad de revisión. Y ahí Codex encaja mucho mejor.

Ampliar sin romper

Otra ventaja importante fue poder ampliar cosas que antes no existían.
La app empezó con unas funciones, pero poco a poco se han añadido nuevas necesidades: enlaces directos a apartados concretos, CTAs mejor organizados, bloques destacados, validación de contenidos, mejoras en los temas, estructura preparada para varios idiomas y una base más limpia para reutilizarla en nuevos proyectos.
La clave no es solo añadir. La clave es añadir sin romper lo que ya funciona.
Ahí es donde este flujo con IA tiene mucho valor. ChatGPT ayuda a pensar qué pedir. Codex ejecuta sobre el código. Después se revisa el resultado. Y yo mantengo el control del producto, decidiendo qué tiene sentido, qué se acepta y qué hay que corregir.

En el mundo real, esto sería un equipo técnico

La forma más clara de entenderlo es compararlo con un equipo profesional.

Flujo con IA	Equivalente real
Yo defino la necesidad	Dirección del producto
Gemini ayuda en fases iniciales	Ideación y prototipado
ChatGPT ordena, contrasta y precisa	Consultoría técnica / arquitectura funcional
Codex trabaja sobre el código	Desarrollo sobre proyecto real
Scripts de validación	Control automático de calidad
Revisión final con ChatGPT	Auditoría técnica / QA
Pruebas reales	Validación final del producto

 
Yo actúo como director del producto. Soy quien sabe qué tiene que hacer la app, dónde se va a usar, qué papel tendrá en Fundación ENAIRE, cómo se conectará con QR, NFC, MetaMuseo o contenidos museográficos.
ChatGPT actúa como consultor técnico y arquitecto funcional. Me ayuda a convertir una necesidad en una instrucción clara.
Codex actúa como programador. Analiza el proyecto, modifica archivos, crea scripts, corrige errores y propone mejoras.
Y la revisión posterior funciona como control de calidad.

Lo importante: ya no trabajo igual

La conclusión más importante es que ya no trabajo igual.
Antes la IA me ayudaba a resolver partes. Ahora me ayuda a construir sistemas.
Antes podía pedir una solución y pegar código. Ahora puedo pedir que se analice una app completa, se detecten errores, se organicen archivos, se creen validadores, se actualicen metadatos y se amplíen funciones sin tener que tocar manualmente cada archivo.
Eso es otro nivel de IA aplicada.
No es teoría. No es una demo. No es una conversación bonita con una herramienta. Es usar la inteligencia artificial dentro de un proceso real de producción, con código, estructura, revisión, pruebas y evolución del producto.

Conclusión

La app Imperdible empezó como muchas ideas actuales: probando, preguntando, mezclando respuestas de distintas inteligencias artificiales y avanzando poco a poco.
Gemini ayudó en el arranque. ChatGPT ayudó a completar, ordenar y explicar. Pero Codex convirtió el proyecto en otra cosa.
Al analizar todo el código, encontrar errores, organizar los JSON, mejorar los temas, crear scripts de validación y actualizar metadatos, la IA dejó de ser solo un asistente de conversación y pasó a comportarse como parte de un equipo técnico.
Para mí, esa es la verdadera IA aplicada.
No se trata de que la IA lo haga todo sola. Se trata de saber dirigirla, combinar herramientas, revisar resultados y convertir una idea en un producto real, mantenible y preparado para crecer.